王兴兴详解宇树具身智能路线

8 月 20 日，宇树科技创始人王兴兴在「2026 世界机器人大会」发表演讲，系统回顾公司自 2016 年成立以来的产品演进，并重点讨论人形机器人从舞台展示走向工厂、家庭等实际场景所需的技术突破。

从四足到人形

宇树早期以四足机器人为主要方向，近年来将更多资源投入人形机器人。王兴兴称，2024 年推出的 G1 已成为全球人形机器人领域的标杆产品之一。按他的说法，当前市场上的许多产品与 G1 同源或外形相近。

宇树已经从演示动作逐步转向实际作业。2024 年，公司与汽车工厂开展落地合作，并在自有工厂部署机器人执行简单任务。王兴兴还披露，基于第一代人形机器人 H1 改装的设备曾实现每秒超过 10 米的奔跑速度；轮足机器人 Go2-W 自重约 20 千克，并具备基本防雨能力。

实时控制的瓶颈

王兴兴表示，过去不少看似流畅的机器人表演依赖预先采集和编排动作。现在宇树正在探索多模态端到端控制：系统先完成语音识别，再将信息上传云端生成动作，验证后下发机器人执行，因此仍有数秒延迟。

现阶段机器人虽然可以完成简单装配，但效率低于人类，每遇到新任务往往都要重新训练。在固定场景中，经过充分采集和训练后，任务成功率可以接近 100%；一旦物品或环境发生变化，成功率便会明显下降。

他认为，机器人输入输出与真实物理世界之间存在偏差，是泛化能力不足的重要原因。训练数据主要包括两部分：

• 海量真人及互联网数据，用于模型预训练；
• 机器人在真实环境中的实测数据，用于匹配物理世界。

宇树在 2020 年初开始研究基于视频生成的世界模型，年底因效果不理想而暂缓，2025 年又重新加大投入。王兴兴称，AI 模型目前已是公司投入资金和人力最多的方向。

自进化闭环

王兴兴提出「物理 AI 机器人自进化」设想：由前沿大模型驱动智能体，自主检索论文和开源方案、编写机器人控制代码，并在仿真环境或真实机器人上测试。测试结果由 AI 与人工共同评分，再反馈给智能体，形成持续迭代闭环。

他表示，这种方式有望提高机器人开发效率，并利用真机部署持续积累技能和评价数据。相关方案仍处于推进阶段，其实际成熟度、稳定性与安全性尚需进一步验证。

产业化临界点

王兴兴将通用机器人进入家庭的临界指标概括为：机器人进入一个陌生环境后，能够通过语音或语言指令完成约 80% 的任务。他预计，实现这一水平快则需要两至三年，慢则需要五至十年。

这意味着，宇树下一阶段的核心目标并非继续增加表演性动作，而是提高机器人在效率、泛化能力和真实环境适应性。具身智能能否形成规模产业，仍取决于高质量真机数据、模型训练方法和实际部署成本的共同改善。